ALLGEMEINE German Journal of Forest Research

order to assess the potential use of imaging spectrometers in deriving
qualitative information on forest trees. The results reveal significant
differences between the average reflectance curves from both
sites in particular in the shorter wavelength of about 350 nm to
ca. 700 nm and the mid infrared spectral bands (ca. 1550 nm to
1860 nm). Nevertheless a host of different factors including the
combination of measuring-, illumination- and azimuth-angles have
a clear impact on the results. Spectra from different sites overlap
making it difficult to get a clear picture of differences. The calculation
of indices taking specific parts of the spectra into consideration
leads to similar results where only the “Normalized total Pigment
to Chlorophyll A ratio Index (NPCI)” and the “Normalized
difference Vegetation Index (NDVI)” showed significant differences
between the leaves from different soils. Altogether the results
correspond very much to findings from other authors concluding
that spectral reflectance from green leaves is affected by many different
factors which make it difficult to derive clear and reliable
information from it.
7. Résumé
Titre de l’article: Recherches sur l’évaluation de l’influence des
facteurs stationnels sur l’état des spectres de réflectance de feuilles
de hêtre.
Cette recherche a trait à la mesure et à l’analyse de spectres de
réflexion de feuilles de hêtre à l’aide de goniométrie en laboratoire.
L’objet des recherches était d’identifier des différences dans le
comportement en réflexion de feuilles de diverses stations forestières.
La mise au point de ces questions est considérée comme
nécessaire et importante si l’on tient compte de la disponibilité
croissante de clichés hyperspectraux dans la téléobservation forestière,
et des perspectives associées.
On a étudié des feuilles de hêtre de deux stations forestières différentes,
d’une part une station riche à très riche sur calcaire dans
le sud de la Basse Saxe, d’autre part une station plus pauvre sur
grès bigarré du nord de la Hesse. Les échantillons de feuilles ont
été soumis à une analyse chimique et à une analyse spectrale à
l’aide d’un goniomètre de laboratoire. L’exploitation des spectres
de réflexion mit en évidence des différences, au niveau des
moyennes, nettement perceptibles dans le comportement réflectionnel
des feuilles des différentes stations forestières (Fig. 3, 4). Dans
certains domaines de longueur d’onde les différences entre les
valeurs de réflexion des deux stations forestières atteignirent jusqu’à
45%. Dans le cas des feuilles isolées ces différences ne se
retrouvaient pas, bien évidemment, de façon aussi nette. De plus
dans certains cas les spectres fluctuaient fortement et les domaines
des données des deux stations forestières se recouvraient (Fig. 5).
L’analyse d’extraits partiels des spectres et le calcul de divers
index font apparaître aussi des différences nettes alors que dans le
cas de l’analyse de feuilles isolées, celles-ci sont soumises à de
grosses fluctuations. En cela se confirment les résultats d’autres
recherches, selon lesquelles certaines propriètés physiologiques des
plantes conduisent à des différences purement statistiques dans les
spectres de réflexion adaptés. Manifestement des influences fortuites
se superposent au comportement de réflexion des organes
foliaires qui, en leur absence, est régi conformément aux lois physiques.
Dans la perspective de la transposition des résultats de laboratoire
aux conditions réelles de la téléobservation se pose maintenant
la question de savoir si les grands espoirs liés à la
téléobservation hyperspectrale sont bien fondés, tout au moins dans
le cas des problèmes forestiers.
R.K.
8. Literatur
AYALA-SILVA, T. und C. A. BEYL (2005): Changes in spectral reflectance of
wheat leaves in response to specific macronutrient deficiency. Advances in
Space Research 35: 305–317.
BAACKE, H. (1994): Bestandesgeschichtliche Untersuchungen in einem
Buchen-Edellaubholzbestand (UAbt. 78a) im Staatlichen Forstamt Bovenden.
Diplomarbeit. Göttingen: Fachhochschule Hildesheim/Holzminden/
Göttingen, Fakultät Ressourcenmanagement. 72 S.
BARANOSKI, G. V. G. und J. G. ROKNE (2005): A practical approach for estimating
the red edge position of plant leaf reflectance. International Journal of
Remote Sensing 26 (3): 503–521.
BILIOURIS, D., C. VOM BERGE, C. FLECK, S. NACKAERTS, P. DUTRE, B. MUYS,
Y. WILLEMS und P. R. COPPIN (2003): CLabSpeG: a compact laboratory
spectro-goniometer system enabling rapid and complete BRDF assessments
of forest elements. In: Proceedings of the IEEE International Geoscience
and Remote Sensing Symposium (IGARSS), Toulouse, France. New Jersey,
USA: IEEE. 3 pp.
GAMON, J. A., J. PEÑUELAS und C. B. FIELD (1992): A narrow-waveband spectral
index that tracks diurnal changes in photosynthetic efficiency. Proceedings
1 st . Symposium on Remote Sensing on Environment. (41) 35–44.
GATES, D. M. (1970): Physical and physiological properties of Plants. In:
Remote Sensing. National Academy of Science USA, 224–252.
GAUSMAN, H. W., D. E. ESCOBAR und R. R. RODRIGUEZ (1978): Effects of
stress and pubescence on plant leaf and canopy reflectance. I. Archives
Photogrammetrie. XXII-7: 719–750.
HILDEBRANDT, G. (1996): Fernerkundung und Luftbildmessung: für Forstwirtschaft,
Vegetationskartierung und Landschaftsökologie. 1. Aufl. Heidelberg:
Wichmann. 676 S.
HOFFER, R. M. und C. J. JOHANNSEN (1969): Ecological potentials in spectral
signature analysis. In: Remote Sensing in Ecology. Athens, Georgia, 1969,
1–19.
HORN, R. (2005): Methodische Untersuchungen zur Abschätzung des Einflusses
von Standortsfaktoren auf den Verlauf von Reflexionsspektren bei
Buchenblättern von unterschiedlichen Standorten. Diplomarbeit aus der
Fakultät Ressourcenmanagement der FH Hildesheim/Holzminden/Göttingen.
62 S.
KÖHL, M. und M. LAUTNER (2001): Erfassung von Waldökosystemen durch
Hyperspektraldaten. Photogrammetrie, Fernerkundung, Geoinformation,
2001, Heft 2, 107–117.
KÖNIG, N. und H. FORTMANN (1999): Probenvorbereitungs-, Untersuchungsund
Elementbestimmungs-Methoden des Umweltanalytik-Labors der
Niedersächsischen Forstlichen Versuchsanstalt und des Zentrallabor II des
Forschungszentrums Waldökosysteme: Teil 4: Probenvorbereitungs- und
Untersuchungsmethoden, Qualitätskontrolle und Datenverarbeitung. Göttingen:
Ber. Forschungszentrum Waldökosysteme. Band, 49: 435 S.
MCNAIRN, H., J. C. DEGUISE, A. PACHECO, J. SHANG, N. RABE (2001): Estimation
of crop cover and chlorophyll from hyperspectral remote sensing. Proceedings
23 rd Canadian Remote Sensing Symposium, Sainte-Foy, Québec,
Canada, August 21–24, 2001, 6 pp.
PEÑUELAS, J., F. BARET und I. FILELLA (1995): Semi-empirical indices to
assess carotenoids/chlorophyll A ratio from leaf spectral reflectance. Photosynthetica
31: 221–230.
PEÑUELAS, J., J. A. GAMON, A. L. FREDEEN, J. MERINO und C. B. FIELD (1994):
Reflectance indices associated with physiological changes in nitrogenand
waterlimited sunflower leaves. Remote Sensing of Environment 48:
135–146.
RAUN, W. R., G. V. JOHNSON, H. SEMBIRING, E. V. LUKINA, J. M. LARUFFA,
W. E. THOMASON, S. B. PHILLIPS, J. B. SOLIE, M. L. STONE und R. W. WHIT-
NEY (1998): Indirect Measures of Plant Nutrients. Communications in Soil
Science and Plant Analysis 29: 1571–1581.
SCHADE, A. (1999): Forstliche Standortskartierung des Reviers Glashütte im
Schutzforst von Buttlar-Elberberg. Unveröffentl. Diplomarbeit. Göttingen:
Fachhochschule Hildesheim/Holzminden/Göttingen, Fakultät Ressourcenmanagement.
48 S.
STRACHAN, I. B., E. PATTEY und J. B. BOISVERT (2002): Impact of nitrogen and
environmental conditions on corn as detected by hyperspectral reflectance.
Remote Sensing of Environment 80: 213–224.
THOMAS, J. R. und G. F. OERTHER (1972): Estimating nitrogen content of sweet
pepper leaves by reflectance measurements. Agronomy Journal 64: 11–13.
YOUNG, R. und A. PEYNADO (1967): Freezing and water-soaking in citrus
leaves. Journal of the American Society for Horticultural Science 91:
157–162.
ZHAO, D. H., J. L. LI und J. G. QI (2005): Identification of red and NIR spectral
regions and vegetative indices for discrimination of cotton nitrogen
stress and growth stage. Computers and Electronics in Agriculture 48:
155–169.
120 Allg. Forst- u. J.-Ztg., 179. Jg., 7